ソートリーダー
「宿題をAIに書かれた」という不安は終わった――その代わりに何が起きているのか
Unite.AI を Google の優先ソースに追加
ChatGPTが一般公開されると、教育関係者は最悪の事態を想像し始めました。
学生が自分で作文を書かなくなる。
持ち帰り課題は、信頼できないものになる。
そしてどこかでは、LLMが、別の部屋でビデオゲームをしているとされる作者に代わって、『グレート・ギャツビー』について、申し分のない5段落のエッセイを書いている。
こうした懸念はもっともでした。学生が、ほぼどんなテーマについても説得力のある文章を作成できる技術を無料で使えるようになったのは、これが初めてだったからです。しかし、生成AIの時代に入って数年がたち、議論はより複雑になりつつあります。
学生はいまもAIを使っています。実際、その利用は驚くほど一般的になっています。 Higher Education Policy Instituteによる2025年の調査では、英国の学部生1,000人以上のうち、92%が何らかの形でAIを利用しており、88%が課題で生成AIを使ったことがあると分かりました。 UCLAの2025年度卒業生を対象とした調査でも、回答した最終学年の学生の73%が、授業課題を支援するために生成AIを利用していました。
とはいえ、学生がChatGPTに課題を最初から最後まで仕上げてもらっているとは限りません。テーマを調べたり、アイデアを出したり、試験勉強に使ったり、文章を推敲したり、難しい概念を説明してもらったりするほか、課題の一部を作成させることもあります。
ここで、教育関係者にとって重要な疑問が浮かびます。学生は、自分が提出する内容を本当に理解しているのでしょうか。
AI検出ツールの問題
AIが作成した宿題への対策として登場したのは、もう一つのAI、つまり検出ソフトウェアでした。
学生がアルゴリズムを使ってエッセイを書けるのなら、教育関係者も別のアルゴリズムを使って見つけられるのではないか、というわけです。
ただし、問題が一つあります。AI検出は、証拠と同じではありません。
生成AIが広く普及し始めた初期から、研究者たちは誤検知と検出漏れへの懸念を示してきました。 2023年にThe International Journal of Management Educationに掲載された研究では、検出ツールが人間の書いた文章とAI生成文章を分類する際に判定が重なり、両方の種類の誤りが生じる可能性があることが分かりました。
より新しい研究からも、根本的な課題が残っていることがうかがえます。 2026年にComputers & Educationに掲載された評価研究では、実際の学生の課題、学位論文、コードを対象に、AIコンテンツ検出ツール13種類が検証されました。研究者たちは、重大な結果を伴う学術上の判断に用いるには、検出ツールの性能は依然として不十分だと結論づけました。また、編集を加えたAI生成コンテンツは、検出をすり抜けることが多いと分かりました。
だからといって、検出ツールが役に立たないわけではありません。しかし、AIを活用した学術課題への対応策として、検出ツールだけに頼るのは難しいということです。
これは、さらに大きな問題も提起します。
たとえ完璧に機能する検出ツールがあったとしても、教育関係者に分かるのは、ある文章がAIによって生成された可能性が高いかどうかだけです。学習が行われたかどうかまでは分かりません。
2人の学生を想像してみてください。
- 1人目は、AIチャットボットに課題全体を書かせ、少し手を加えたうえで、論旨を理解しないまま提出します。
- 2人目は、AIに苦手な概念を説明してもらい、追加の質問をし、考えられる論点を出し合います。そのうえで自分で課題を書き、最初の草稿の弱点を見つけるために、再びツールを使います。
どちらもAIを使っています。しかし、教育的に見れば、まったく異なることをしているのです。
「AIを使いましたか？」は、適切な問いではなくなりつつある
生成AIは、もはや文章を書くためだけの機械ではありません。
学生は、編集者、家庭教師、アイデアを出し合う相手、翻訳者、リサーチアシスタント、コーディング支援ツール、学習ツールとしてAIを使えます。また、人々がすでに使っているソフトウェアにも、AI機能がますます組み込まれています。
学生自身も、その違いを認識しています。Cheggの 2025年グローバル学生調査では、調査対象となった学部生の80%が、学習を支援するために生成AIを使ったことがあると回答しました。その利用者のうち56%は、主に概念や科目の理解にAIを使っていました。一方で、53%は誤った情報を受け取ることを懸念していました。
最後の数字も、最初の数字と同じくらい重要かもしれません。AIを使いこなすための学びには、回答を信頼してよいかどうかを判断する方法を身につけることも含まれるからです。
チャットボットは、エッセイの参考資料を提案できます。しかし、その中には実在しないものが含まれているかもしれません。段落を改善することもできますが、学生が伝えようとしていた内容を、気づかれないほど微妙に変えてしまうこともあります。
AIによって答えを簡単に作れるようになればなるほど、その答えを評価できるだけの知識を持つことが重要になる。学問上の誠実さをめぐる議論が、ここでAIリテラシーをめぐる議論へと変わり始める。
学生には理解していることを示す必要がある
何十年もの間、十分に調査して仕上げた課題は、学習の証拠としてしばしば扱われてきた。
学生がエッセイ、実験レポート、プレゼンテーション、またはコードを提出すると、教員は最終成果物を評価し、学生が教材の内容をどの程度理解しているかを判断する。
生成AIは、この前提を揺るがしている。洗練された最終成果物が、そこからうかがえる知識を学生が実際に身につけているとは限らないまま、作られるようになったからだ。
そのため、教育者は最終成果物だけでなく、次の点にも目を向ける必要がある。
- なぜその結論に至ったのか、学生に説明を求める。
- どのような証拠によって考えが変わったのか、学生に尋ねる。
- 口頭で議論を擁護するよう、学生に求める。
- 課題のどの部分が最も難しかったか、学生に尋ねる。
- 問題の変数を1つ変え、もう一度解くよう学生に求める。
- 自分の課題の弱点を挙げるよう、学生に求める。
AIの使用が認められていた場合は、どのように使い、何に役立て、何を採用しなかったのかを尋ねる。
もはや、印象的な答えを作ることは課題の一部にすぎない。学生は、その答えの背後にある思考を自分自身のものとして示さなければならない。
宿題では、作成過程をより多く示すべき
長年、デジタルツールの普及により、評価の対象を完成した成果物に絞ることがますます容易になってきた。生成AIは一部の教育者をその反対の方向、つまり成果物を生み出した過程へと向かわせている。
たとえば、最終提出物だけでなく、構成案や下書きも確認することが考えられる。授業での討論や口頭での発表を評価に取り入れることもできる。学生に、議論がどのように展開したかを記録させたり、特定の情報源を選んだ理由を説明させたり、どこで苦労したかを振り返らせたりする方法もある。
AIを評価そのものに取り入れることさえできる。
チャットボットを使わないよう学生に指示する代わりに、教員がAIの生成した回答を提示し、それを批評するよう学生に求めることもできる。
- モデルは何を正しく答えたか。
- 何を見落としていたか。
- どの主張を検証する必要があるか。
- その回答を信頼する前に、どのような情報源が必要か。
- 学生は、より優れた議論を展開できるか。
こうした問いは、課題が人間の判断力を求めるようになったため、他者に任せるのがはるかに難しい。そして、AIがもっともらしい情報を即座に生成できる時代に、学生にまさに必要とされるのが判断力だ。
AIリテラシーは学術的リテラシーと同義に
かつて「デジタルリテラシー」とは、主にコンピューターの操作方法やインターネットの使い方、一般的なソフトウェアの利用方法を知っていることを意味していた。
しかし、インターネットで検索する方法を知っているだけでは不十分だったため、その定義はより高度なものになった。ウェブサイトを評価し、信頼できない情報源を見分け、個人情報を守り、検索結果の上位に表示されたからといって内容が自動的に真実になるわけではないと理解することも必要になった。
AIリテラシーも同じような変化をたどっている。プロンプトの書き方を知ることは役に立つが、それはスキルの一部にすぎない。
学生は、生成AIが信頼性をもってできることと、できないことも理解する必要がある。ハルシネーションを見抜き、自信に満ちた回答を疑い、情報源を検証し、プライバシーに配慮するとともに、AIの支援が一線を越えて自分の思考に取って代わるのはどのような場合かを理解しなければならない。
この区別を見極めるには、学習全体の目標との関係で、ある程度の試行錯誤が必要になるだろう。
難しい概念の説明にAIを使えば、学習が速まるかもしれない。一方、自分で問題に取り組む前にAIに解かせれば、その課題が伸ばすことを目的としていた認知的な作業そのものを回避してしまうおそれがある。
教室の外の世界
教育は常に、先を見据えた営みである。学生は卒業すると、学校で学んだことを職場に持ち込む。そして、彼らが働くことになる職場でAIが使われていない可能性は低い。
AIアシスタントは、クリエイティブ向けプラットフォームや企業システムに取り入れられつつある。今日の学生の多くは、AIを効果的に使うことが期待される職業に就く可能性がある。そのため、「AI禁止」という一律の方針を、職業生活への備えとして維持することはますます難しくなっている。
反対の極端な方針も、特に有益とは言えない。
AIを使わずに議論を組み立てられない学生が、AIを活用する職場で働く準備をより整えられたとは限りません。AIが生成した分析を確認せずに受け入れる学生についても同じです。
何を任せ、何を自分で行うべきかを見極めることこそ、価値あるスキルです。
- AIは、最初のたたき台となる要約を数秒で作成できるかもしれません。しかし、何が抜けているかを見抜くには、やはり十分な専門知識が必要です。
- AIはコードを生成できるかもしれません。しかし、そのコードが正しく動作するか、安全か、意図した問題を解決するものかを判断するには、やはり人間の知識が必要です。
- AIは顧客宛てのメールの下書きを作成できるかもしれません。しかし、それを送るのがとんでもない判断かどうかを見極めるには、相手を十分に理解している必要があります。
自分で判断する力を伴わないAI活用能力は、大した能力とは言えません。
新たな学術的誠実性をめぐる問い
もともとの不正行為の問題は、今も存在します。学生は、これまでも課題を避ける方法を見つけてきたように、生成AIを使って課題に取り組まずに済ませることができます。教育関係者は今も、AIの使用が許される範囲、自力で取り組むことが重要な場面、そして何が学術的不正に当たるのかについて、明確な線引きをする必要があります。
しかし、より大きな議論の焦点は、AIによって知識があるように見せることを驚くほど容易にできるようになったという考え方です。つまり教育は、知識があるように見えることと、実際に知識があることを、より的確に見分けられるようにならなければなりません。
以前の問いは、こうでした。「これはあなた自身の成果ですか？」
今の問いは、こうです。「この成果の背後にある思考が自分のものだと、示すことができますか？」
この問いを評価するのは、より困難です。教育関係者にとっては、作文を検出ツールにかけ、判定率が出るのを待つだけでは不十分です。それでも、手間をかける価値はあります。そもそも宿題は、二者択一で考えるものではありません。つまり、終えたか終えていないかだけではないのです。宿題の本質は、そして今もそうであるように、それを作り上げるために必要な思考にあります。
